抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大域的プールは,多くの機械学習モデルとタスクにおける最も重要な操作の1つであるが,その実装は実際には経験的である。本研究では,最適輸送のレンズを通して,新しい固体グローバルプールフレームワークを開発した。殆どの既存の大域的プール法は,不均衡な最適輸送(UOT)問題の幾つかの特殊化を解くのに等価であることを示した。UOT問題のパラメータを作成し,同じフレームワークで様々な大域的プール化法を統一し,従って,ニューラルネットワークのためのUOT-プール(UOTP)と呼ばれる一般化大域的プール層を提案する。古典的Sinkorn-スケーリングアルゴリズムに基づくUOTP層の実装に加えて,Bregman ADMMアルゴリズムに基づく新しいモデルアーキテクチャを設計し,より良い数値安定性を持ち,既存のプール層をより効果的に再現することができた。複数インスタンス学習,グラフ分類,画像分類を含むいくつかのアプリケーションシナリオでUOTP層を試験した。著者らのUOTP層は,従来のグローバルプール層を模倣するか,あるいは,より良い性能をもたらすいくつかの新しいプール機構を学ぶことができる。【JST・京大機械翻訳】